Bibliographic record
Abstract
La dégradation de l’obscurité sous l’effet des usages de lumière artificielle nocturne dans et aux abords des infrastructures humaines est appelée pollution lumineuse. Liée à l’urbanisation, cette pollution déborde les espaces urbains pour affecter les espaces ruraux et les aires protégées. La lutte contre la pollution lumineuse s’organise dans plusieurs pays, dans lesquels des territoires expérimentent des politiques environnementales de protection de l’obscurité. L’enjeu porte à la fois sur la préservation de la biodiversité et la transition énergétiques. En France, quelques territoires ruraux pionniers expérimentent des dispositifs intégrant ce double enjeu. Deux d’entre eux constituent les cas d’étude de cet article. Nous montrons comment ces territoires font de l’obscurité une ressource spécifique. Nous identifions trois processus de spécification. Le premier, suivant une logique utilitariste anthropocentrée, relève de l’économicisation de l’environnement dans la lignée de la shallow ecology. Le deuxième, suivant une logique de conservation écocentrée, relève de l’écologisation radicale de l’économie, dans la lignée de la deep ecology. Le troisième suit une logique socioécosystémique intégrée consacrant l’interdépendance entre le développement, l’aménagement, la préservation de la biodiversité et la sobriété énergétique. Les controverses de spécification travaillent les territoires. Ceux-ci deviennent des territoires d’incubation, c'est-à-dire des espaces de résolution de ces controverses qui se traduisent dans un opérateur de transition permettant au territoire d’emprunter une nouvelle trajectoire de développement et d’aménagement.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.017 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".